|
|
Návrh hašovacích funkcí pomocí genetického programování
Michalisko, Tomáš ; Piňos, Michal (oponent) ; Sekanina, Lukáš (vedoucí práce)
Tato práce se zabývá automatizováním návrhu hašovacích funkcí. K tomu využívá kartézské genetické programování. Zvolenou metodou pro řešení kolizí je kukaččí hašování. Byly porovnány tři varianty zakódování hašovacích funkcí. Experimenty byly prováděny nad datovou sadou obsahující síťové toky. V rámci experimentů bylo nalezeno vhodné nastavení parametrů této metody včetně množiny funkcí. Nejlepší vyvinuté hašovací funkce dosahují srovnatelných výsledků jako funkce navržené odborníky. Hlavním zjištěním je, že nejlepších výsledků dosahují hašovací funkce tvořené 64bitovými operacemi.
|
|
|
Radarové měření pro rychlostní disciplíny
Piňos, Michal ; Široký, Adam (oponent) ; Maršík, Lukáš (vedoucí práce)
Cílem této bakalářské práce je radarové měření rychlostních disciplín. K měření těchto sportovních událostí je použit Dopplerův radar s kontinuální vlnou, konkrétně radar K-MC4. Pro extrakci informace o rychlosti objektu ze signálu jsou použity techniky z oblasti zpracování signálů. Stěžejní částí je užití Fourierovy transformace, pro získání Dopplerovy frekvence ze signálu. Na základě zjištění úhlu je kompenzován kosínový faktor.Výsledkem této práce je detektor, který je schopen měřit rychlost a určovat směr pohybu měřených objektů. Implementované řešení navíc umožňuje, aby se detektor zaměřil jen na určité objekty, podle zadaných kritérií.
|
|
|
Studie průběhu zakázky podnikem
Farníková, Jana ; Piňoš, Michal (oponent) ; Jurová, Marie (vedoucí práce)
Tato diplomová práce se zaměřuje na celkový průběh konkrétní zakázky v konkrétním podniku. Tato analýza je přesněji zaměřena na měřiče tepla, které tvoří v podniku podstatnou část odbytu. Obsahuje návrh, jak by mohla firma zpracovávat tyto zakázky v konkrétním programu zvaném Microsoft Project, který by firmě mohly přispět v mnoha ohledech.
|
|
|
Evoluční návrh konvolučních neuronových sítí
Piňos, Michal ; Vašíček, Zdeněk (oponent) ; Sekanina, Lukáš (vedoucí práce)
Cílem této práce je návrh a implementace programu pro automatizovaný návrh konvolučních neuronových sítí (CNN) s využitím evolučních výpočetních technik. Z praktického hlediska tento přístup redukuje potřebu lidského faktoru při tvorbě CNN, a tak eliminuje zdlouhavý a namáhavý proces ručního návrhu. Tato práce využívá speciální formu genetického programování nazývanou kartézské genetické programování, které pro zakódování řešeného problému využívá grafovou reprezentaci. Tato technika umožňuje uživateli parametrizovat proces hledání CNN, a tak se zaměřit na architektury zajímavé z pohledu použitých výpočetních jednotek, přesnosti či počtu parametrů. Navrhovaný přístup byl otestován na standardizované datové sadě CIFAR-10, která je často využívána výzkumníky pro srovnání výkonnosti jejich CNN. Provedené experimenty ukázaly, že tento přístup má jak výzkumný,tak praktický potenciál a implementovaný program otevírá možnosti vzniku zajímavých řešení.
|
|
|
Prediktory přesnosti konvolučních neuronových sítí
Karásek, Daniel ; Mrázek, Vojtěch (oponent) ; Piňos, Michal (vedoucí práce)
Last decade has seen a great progress in research of artificial neural network. This progress is mostly consequence of possibility to train larger models than ever before through parallelisation. However researchers reached a point where pure scaling of neural networks does not lead to major improvements. This led to a more complex research of neural network architectures, which introduced new obstacles. The most significant obstacle is the need to evaluate the accuracy of many individual architectures with various hyper-parameters. In some cases even single evaluation can take up to hours on highly specialized computers. One of the methods that can be used to overcome this obstacle is neural network accuracy predictor. Predictors are a group of algorithms that focus on estimating the final validation accuracy of a neural network with no or significantly limited training. This thesis aims to review and reimplement several accuraccy predictors for convolutional neural networks classificators.
|
|
|
Diferenciovatelný návrh architektury neuronových sítí
Eichler, Vojtěch ; Piňos, Michal (oponent) ; Mrázek, Vojtěch (vedoucí práce)
Cílem této práce je navrhnout systém pro diferencovatelný návrh architektury neuronových sítí, který následně umožní experimentovat s návrhem různých typů neuronových sítí. Práce vychází z nové metody DARTS (Differentiable architecture search) a přináší její implementaci v knihovně TensorFlow verze 2, kde nebyla k dispozici. Následně jsou v této práci popsány experimenty s operacemi běžných konvolučních sítí, konvolučních sítí s vrstvami využívajícími aproximačních násobiček a s operacemi kombinujícími mechanismy pozornosti a konvoluce. Přínosem této práce je tedy systém pro diferencovatelný návrh architektury neuronových sítí, který umožňuje experimenty s různými vrstvami z moderních verzí knihovny TensorFlow.
|
|
|
Návrh hašovacích funkcí pomocí genetického programování
Michalisko, Tomáš ; Piňos, Michal (oponent) ; Sekanina, Lukáš (vedoucí práce)
Tato práce se zabývá automatizováním návrhu hašovacích funkcí. K tomu využívá kartézské genetické programování. Zvolenou metodou pro řešení kolizí je kukaččí hašování. Byly porovnány tři varianty zakódování hašovacích funkcí. Experimenty byly prováděny nad datovou sadou obsahující síťové toky. V rámci experimentů bylo nalezeno vhodné nastavení parametrů této metody včetně množiny funkcí. Nejlepší vyvinuté hašovací funkce dosahují srovnatelných výsledků jako funkce navržené odborníky. Hlavním zjištěním je, že nejlepších výsledků dosahují hašovací funkce tvořené 64bitovými operacemi.
|
|
|
Evoluční návrh konvolučních neuronových sítí
Piňos, Michal ; Vašíček, Zdeněk (oponent) ; Sekanina, Lukáš (vedoucí práce)
Cílem této práce je návrh a implementace programu pro automatizovaný návrh konvolučních neuronových sítí (CNN) s využitím evolučních výpočetních technik. Z praktického hlediska tento přístup redukuje potřebu lidského faktoru při tvorbě CNN, a tak eliminuje zdlouhavý a namáhavý proces ručního návrhu. Tato práce využívá speciální formu genetického programování nazývanou kartézské genetické programování, které pro zakódování řešeného problému využívá grafovou reprezentaci. Tato technika umožňuje uživateli parametrizovat proces hledání CNN, a tak se zaměřit na architektury zajímavé z pohledu použitých výpočetních jednotek, přesnosti či počtu parametrů. Navrhovaný přístup byl otestován na standardizované datové sadě CIFAR-10, která je často využívána výzkumníky pro srovnání výkonnosti jejich CNN. Provedené experimenty ukázaly, že tento přístup má jak výzkumný,tak praktický potenciál a implementovaný program otevírá možnosti vzniku zajímavých řešení.
|
|
|
Radarové měření pro rychlostní disciplíny
Piňos, Michal ; Široký, Adam (oponent) ; Maršík, Lukáš (vedoucí práce)
Cílem této bakalářské práce je radarové měření rychlostních disciplín. K měření těchto sportovních událostí je použit Dopplerův radar s kontinuální vlnou, konkrétně radar K-MC4. Pro extrakci informace o rychlosti objektu ze signálu jsou použity techniky z oblasti zpracování signálů. Stěžejní částí je užití Fourierovy transformace, pro získání Dopplerovy frekvence ze signálu. Na základě zjištění úhlu je kompenzován kosínový faktor.Výsledkem této práce je detektor, který je schopen měřit rychlost a určovat směr pohybu měřených objektů. Implementované řešení navíc umožňuje, aby se detektor zaměřil jen na určité objekty, podle zadaných kritérií.
|
|
|
Studie průběhu zakázky podnikem
Farníková, Jana ; Piňoš, Michal (oponent) ; Jurová, Marie (vedoucí práce)
Tato diplomová práce se zaměřuje na celkový průběh konkrétní zakázky v konkrétním podniku. Tato analýza je přesněji zaměřena na měřiče tepla, které tvoří v podniku podstatnou část odbytu. Obsahuje návrh, jak by mohla firma zpracovávat tyto zakázky v konkrétním programu zvaném Microsoft Project, který by firmě mohly přispět v mnoha ohledech.
|
host ::
RSS.